- 博客(74)
- 收藏
- 关注
RSS订阅原创 面试冲刺 - 算法题 1
对于循环的圈数 loop = (n / 2):意思是：如果转一圈，左右都会少一条边，整个正方形的宽度减2，一共宽度是n，每次减2，就是循环n/2次。
2023-12-06 09:12:19
212
原创 代码随想录算法训练营第六十天丨 单调栈03
如果数组本身是降序的，例如 [8,6,4,2]，在 8 入栈后，6 开始与8 进行比较，此时我们得到 mid（8），rigt（6），但是得不到 left。如果数组本身就是升序的，例如[2,4,6,8]，那么入栈之后 都是单调递减，一直都没有走 情况三 计算结果的哪一步，所以最后输出的就是0了。那么因为本题是要找每个柱子左右两边第一个小于该柱子的柱子，所以从栈头（元素从栈头弹出）到栈底的顺序应该是从大到小的顺序！因为 将 8 弹出之后，栈里没有元素了，那么为了避免空栈取值，直接跳过了计算结果的逻辑。
2023-11-21 08:11:06
316
原创 代码随想录算法训练营第五十九天丨 单调栈02
因为一旦发现添加的柱子高度大于栈头元素了，此时就出现凹槽了，栈头元素就是凹槽底部的柱子，栈头第二个元素就是凹槽左边的柱子，而添加的元素就是凹槽右边的柱子。取栈顶元素，将栈顶元素弹出，这个就是凹槽的底部，也就是中间位置，下标记为mid，对应的高度为height[mid]（就是图中的高度1）。如果当前遍历的元素（柱子）高度等于栈顶元素的高度，要跟更新栈顶元素，因为遇到相相同高度的柱子，需要使用最右边的柱子来计算宽度。遇到相同的元素，更新栈内下标，就是将栈里元素（旧下标）弹出，将新元素（新下标）加入栈中。
2023-11-20 11:55:27
180
原创 代码随想录算法训练营第五十八天丨 单调栈01
加入T[4]，T[4] == T[3] （当前遍历的元素T[i]等于栈顶元素T[st.top()]的情况），此时依然要加入栈，不用计算距离，因为我们要求的是右面第一个大于本元素的位置，而不是大于等于！我们要保持一个递增单调栈（从栈头到栈底），所以将T[0]弹出，T[1]加入，此时result数组可以记录了，result[0] = 1，即T[0]右面第一个比T[0]大的元素是T[1]。加入T[1] = 74，因为T[1] > T[0]（当前遍历的元素T[i]大于栈顶元素T[st.top()]的情况）。
2023-11-18 08:53:14
249
原创 代码随想录算法训练营第五十七天丨 动态规划part17
动规五部曲：如果大家做了很多这种子序列相关的题目，在定义dp数组的时候 很自然就会想题目求什么，我们就如何定义dp数组。绝大多数题目确实是这样，不过本题如果我们定义，dp[i] 为 下标i结尾的字符串有 dp[i]个回文串的话，我们会发现很难找到递归关系。dp[i] 和 dp[i-1] ，dp[i + 1] 看上去都没啥关系。所以我们要看回文串的性质。 如图：我们在判断字符串S是否是回文，那么如果我们知道 s[1]，s[2]，s[3] 这个子串是回文的，那么只需要比较 s[0]和s[4]这两个元素是否相同，
2023-11-17 08:43:01
225
原创 代码随想录算法训练营第五十五天丨 动态规划part16
那最后当然是取最小值，所以当word1[i - 1] 与 word2[j - 1]不相同的时候，递推公式：dp[i][j] = min({dp[i - 1][j - 1] + 2, dp[i - 1][j] + 1, dp[i][j - 1] + 1});因为 dp[i][j - 1] + 1 = dp[i - 1][j - 1] + 2，所以递推公式可简化为：dp[i][j] = min(dp[i - 1][j] + 1, dp[i][j - 1] + 1);
2023-11-16 08:37:38
122
原创 代码随想录算法训练营第五十四天丨 动态规划part15
t[j - 1])，此时相当于t要删除元素，t如果把当前元素t[j - 1]删除，那么dp[i][j] 的数值就是 看s[i - 1]与 t[j - 2]的比较结果了，即：dp[i][j] = dp[i][j - 1];其实这里 大家可以发现和。
2023-11-15 08:18:31
93
原创 代码随想录算法训练营第五十三天丨 动态规划part14
而是dp[6]。在回顾一下dp[i]的定义：包括下标i之前的最大连续子序列和为dp[i]。那么我们要找最大的连续子序列，就应该找每一个i为终点的连续最大子序列。所以在递推公式的时候，可以直接选出最大的dp[i]。
2023-11-14 08:33:19
151
原创 代码随想录算法训练营第五十天丨 动态规划part13
本题最关键的是要想到dp[i]由哪些状态可以推出来，并取最大值，那么很自然就能想到递推公式：dp[i] = max(dp[i], dp[j] + 1);
2023-11-13 11:10:37
278
原创 代码随想录算法训练营第四十九天丨 动态规划part12
这次把冷冻期这道题目，讲的很透彻了，细分为四个状态，其状态转移也十分清晰，建议大家都按照四个状态来分析，如果只划分三个状态确实很容易给自己绕进去。
2023-11-12 11:20:30
399
原创 代码随想录算法训练营第四十八天丨 动态规划part11
一定是选最大的，所以 dp[i][1] = max(dp[i-1][0] - prices[i], dp[i - 1][1]);选最大的，所以 dp[i][1] = max(dp[i - 1][0] - prices[i], dp[i - 1][1]);所以dp[i][2] = max(dp[i - 1][1] + prices[i], dp[i - 1][2])那么dp[i][1]究竟选 dp[i-1][0] - prices[i]，还是dp[i - 1][1]呢？此时还没有买入，怎么就卖出呢？
2023-11-12 09:15:41
114
原创 代码随想录算法训练营第四十七天丨 动态规划part10
由递推公式 dp[i][0] = max(dp[i - 1][0], -prices[i]);和 dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);同样dp[i][1]取最大的，dp[i][1] = max(dp[i - 1][1], prices[i] + dp[i - 1][0]);那么dp[i][0]应该选所得现金最大的，所以dp[i][0] = max(dp[i - 1][0], -prices[i]);
2023-11-10 16:08:16
211
1
原创 代码随想录算法训练营第四十六天丨 动态规划part09
打家劫舍是DP解决的经典题目，这道题也是打家劫舍入门级题目，后面我们还会变种方式来打劫的。成环之后还是难了一些的， 不少题解没有把“考虑房间”和“偷房间”说清楚。这就导致会有这样的困惑：情况三怎么就包含了情况一了呢？本文图中最后一间房不能偷啊，偷了一定不是最优结果。所以我在本文重点强调了情况一二三是“考虑”的范围，而具体房间偷与不偷交给递推公式去抉择。这样大家就不难理解情况二和情况三包含了情况一了。这道题是树形DP的入门题目.所以树形DP也没有那么神秘！
2023-11-08 12:49:14
198
1
原创 代码随想录算法训练营第四十五天丨 动态规划part08
多重背包在面试中基本不会出现，力扣上也没有对应的题目，大家对多重背包的掌握程度知道它是一种01背包，并能在01背包的基础上写出对应代码就可以了。听说背包问题很难？这篇总结篇来拯救你了。
2023-11-07 19:27:29
143
原创 代码随想录算法训练营第四十四天丨 动态规划part07
凑足总额为j - coins[i]的最少个数为dp[j - coins[i]]，那么只需要加上一个钱币coins[i]即dp[j - coins[i]] + 1就是dp[j]（考虑coins[i]）既然递归公式是 dp[i] += dp[i - j]，那么dp[0] 一定为1，dp[0]是递归中一切数值的基础所在，如果dp[0]是0的话，其他数值都是0了。本题呢，dp[i]有几种来源，dp[i - 1]，dp[i - 2]，dp[i - 3] 等等，即：dp[i - j]所以遍历的内循环是正序。
2023-11-06 20:09:13
176
原创 代码随想录算法训练营第四十三天丨 动态规划part06
dp[0]=1还说明了一种情况：如果正好选了coins[i]后，也就是j-coins[i] == 0的情况表示这个硬币刚好能选，此时dp[0]为1表示只选coins[i]存在这样的一种选法。因为递推公式dp[i] += dp[i - nums[j]]的缘故，dp[0]要初始化为1，这样递归其他dp[i]的时候才会有数值基础。下标非0的dp[j]初始化为0，这样累计加dp[j - coins[i]]的时候才不会影响真正的dp[j]初始化为0，这样才不会影响dp[i]累加所有的dp[i - nums[j]]。
2023-11-04 09:17:06
149
原创 代码随想录算法训练营第四十二天丨 动态规划part05
本题其实就是尽量让石头分成重量相同的两堆，相撞之后剩下的石头最小，这样就化解成01背包问题了。感觉和昨天讲解的416. 分割等和子集 (opens new window)非常像了。本题物品的重量为 stones[i]，物品的价值也为 stones[i]。对应着01背包里的物品重量 weight[i]和 物品价值 value[i]。确定dp数组以及下标的含义dp[j]表示容量（这里说容量更形象，其实就是重量）为j的背包，最多可以背最大重量为dp[j]。
2023-11-03 21:33:27
191
原创 代码随想录算法训练营第四十一天丨 动态规划part04
那么如果背包容量为target， dp[target]就是装满 背包之后的重量，所以 当 dp[target] == target 的时候，背包就装满了。01背包的递推公式为：dp[j] = max(dp[j], dp[j - weight[i]] + value[i]);所以递推公式：dp[j] = max(dp[j], dp[j - nums[i]] + nums[i]);01背包中，dp[j] 表示： 容量为j的背包，所背的物品价值最大可以为dp[j]。在01背包，一维dp如何初始化，已经讲过，
2023-11-02 08:56:02
175
原创 代码随想录算法训练营第四十天丨 动态规划part03
那么从1遍历j，比较(i - j) * j和dp[i - j] * j 取最大的。从递归公式上来讲，dp[以j为头结点左子树节点数量] * dp[以j为头结点右子树节点数量] 中以j为头结点左子树节点数量为0，也需要dp[以j为头结点左子树节点数量] = 1， 否则乘法的结果就都变成0了。j的结束条件是 j < i - 1 ，其实 j < i 也是可以的，不过可以节省一步，例如让j = i - 1，的话，其实在 j = 1的时候，这一步就已经拆出来了，重复计算，所以 j < i - 1。
2023-11-01 08:20:08
122
原创 长沙某公司面经总结 - 失败版
static是静态修饰符，一般用来修饰类中的成员。方便在没有创建对象的情况下来进行调用。static关键字修饰类(只能修饰内部类)// static关键字修饰内部类System.out.println("=======静态内部类=======");System.out.println("========静态内部方法========");// 直接通过statictest类名来访问静态内部类// 静态内部类可以和普通类一样使用结果 ：=======静态内部类=======
2023-10-31 20:48:55
139
原创 代码随想录算法训练营第三十九天丨 动态规划part02
从递归公式dp[i][j] = dp[i - 1][j] + dp[i][j - 1] 中可以看出，一定是从左到右一层一层遍历，这样保证推导dp[i][j]的时候，dp[i - 1][j] 和 dp[i][j - 1]一定是有数值。那么很自然，dp[i][j] = dp[i - 1][j] + dp[i][j - 1]，因为dp[i][j]只有这两个方向过来。这样就可以保证推导dp[i][j]的时候，dp[i - 1][j] 和 dp[i][j - 1]一定是有数值的。下标(0, j)的初始化情况同理。
2023-10-31 08:25:12
121
原创 代码随想录算法训练营第三十八天丨 动态规划part01
简称DP，如果某一问题有很多重叠子问题，使用动态规划是最有效的。所以动态规划中每一个状态一定是由上一个状态推导出来的，这一点就区分于贪心，贪心没有状态推导，而是从局部直接选最优的，在关于贪心算法，你该了解这些！中卡哥举了一个背包问题的例子。例如：有N件物品和一个最多能背重量为W 的背包。第i件物品的重量是weight[i]，得到的价值是value[i]。每件物品只能用一次，求解将哪些物品装入背包里物品价值总和最大。
2023-10-30 11:35:50
147
原创 代码随想录算法训练营第三十五天丨 贪心算法part06
本题只要想清楚个例，例如98，一旦出现strNum[i - 1] > strNum[i]的情况（非单调递增），首先想让strNum[i - 1]减一，strNum[i]赋值9，这样这个整数就是89。就可以很自然想到对应的贪心解法了。想到了贪心，还要考虑遍历顺序，只有从后向前遍历才能重复利用上次比较的结果。最后代码实现的时候，也需要一些技巧，例如用一个flag来标记从哪里开始赋值9。
2023-10-28 08:57:37
126
原创 代码随想录算法训练营第三十三天丨 贪心算法part04
局部最优可推出全局最优，找不出反例，那就试试贪心。怎么知道局部最优就可以推出全局最优呢？有数学证明么？在贪心系列开篇词。
2023-10-26 09:01:19
223
1
原创 代码随想录算法训练营第三十二天丨 贪心算法part03
如果 ratings[i] > ratings[i + 1]，此时num[i]（第i个小孩的糖果数量）就有两个选择了，一个是num[i + 1] + 1（从右边这个加1得到的糖果数量），一个是num[i]（之前比较右孩子大于左孩子得到的糖果数量）。如果 ratings[i] > ratings[i - 1] 那么[i]的糖 一定要比[i - 1]的糖多一个，所以贪心：num[i] = num[i - 1] + 1。所以就取 num[i + 1] + 1 和 num[i] 最大的糖果数量，
2023-10-25 09:25:53
27
原创 Mysql数据库
事务 是一组操作的集合，它是一个不可分割的工作单位，事务会把所有的操作作为一个整体一起向系统提交或撤销操作请求，即这些操作 要么同时成功，要么同时失败。例如：银行转账存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式。存储引擎是基于表的，而不是基于库的，索引存储引擎也可被称为表类型。-- 查询建表语句 --- 默认存储引擎 ：InnoDB-- 查询当前数据库支持的存储引擎-- 在创建表时，指定存储引擎create table 表名(
2023-10-24 17:29:17
167
原创 代码随想录算法训练营第三十一天丨 贪心算法part02
局部最优推出全局最优，找不出反例，试试贪心！如图：i 每次移动只能在 cover 的范围内移动，每移动一个元素，cover 得到该元素数值（新的覆盖范围）的补充，让 i 继续移动下去。而 cover 每次只取 max(该元素数值补充后的范围, cover 本身范围)。如果 cover 大于等于了终点下标，直接 return true 就可以了。
2023-10-24 09:32:25
59
原创 代码随想录算法训练营第三十天丨 贪心算法part01
贪心的本质是选择每一阶段的局部最优，从而达到全局最优。这么说有点抽象，来举一个例子：例如，有一堆钞票，你可以拿走十张，如果想达到最大的金额，你要怎么拿？指定每次拿最大的，最终结果就是拿走最大数额的钱。每次拿最大的就是局部最优，最后拿走最大数额的钱就是推出全局最优。再举一个例子如果是 有一堆盒子，你有一个背包体积为n，如何把背包尽可能装满，如果还每次选最大的盒子，就不行了。这时候就需要动态规划。动态规划的问题在下一个系列会详细讲解。
2023-10-23 13:33:58
124
原创 代码随想录算法训练营第二十八天丨 回溯算法part05
这个递增子序列比较像是取有序的子集。而且本题也要求不能有相同的递增子序列。在90.子集II (opens new window)中是通过排序，再加一个标记数组来达到去重的目的。而本题求自增子序列，是不能对原数组进行排序的，排完序的数组都是自增子序列了。所以不能使用之前的去重逻辑！本题给出的示例，还是一个有序数组 [4, 6, 7, 7]，这更容易误导大家按照排序的思路去做了。为了有鲜明的对比，我用[4, 7, 6, 7]这个数组来举例，抽象为树形结构如图：本题求子序列，很明显一个元素不能重复使用，所以需要s
2023-10-20 14:45:46
150
原创 代码随想录算法训练营第二十七天丨 回溯算法part04
其实子集也是一种组合问题，因为它的集合是无序的，子集{1,2} 和 子集{2,1}是一样的。求排列问题的时候，就要从0开始，因为集合是有序的，{1, 2} 和{2, 1}是两个集合。以上为我做题时候的相关思路，自己的语言组织能力较弱，很多都是直接抄卡哥的，有错误望指正。其实和上一题整体逻辑一样，但是要注意去重的逻辑，要分清楚树层上去重和树枝上去重的区别。startIndex一定是需要的，因为不能重复分割，记录下一层递归分割的起始位置。），同时记录分割符的数量pointNum 要 +1。
2023-10-19 09:47:19
89
原创 代码随想录算法训练营第二十五天丨 回溯算法part03
题目中的无限制重复被选取，提示：1 <= candidates[i] <= 200。本题和77.组合 (opens new window)，216.组合总和III (opens new window)的区别是：本题没有数量要求，可以无限重复，但是有总和的限制，所以间接的也是有个数的限制。本题搜索的过程抽象成树形结构如下：注意图中叶子节点的返回条件，因为本题没有组合数量要求，仅仅是总和的限制，所以递归没有层数的限制，只要选取的元素总和超过target，就返回！这里依然是定义两个全局变量，二维数组result存
2023-10-18 10:35:31
127
原创 代码随想录算法训练营第二十四天丨 回溯算法part02
图中可以看出遍历的深度，就是输入"23"的长度，而叶子节点就是我们要收集的结果，输出["ad", "ae", "af", "bd", "be", "bf", "cd", "ce", "cf"]。例如 k = 2，n = 4的话，就是在集合[1,2,3,4,5,6,7,8,9]中求 k（个数） = 2, n（和） = 4的组合。，无非就是多了一个限制，本题是要找到和为n的k个数的组合，而整个集合已经是固定的了[1,...,9]。首先要取startIndex指向的数字，并找到对应的字符集（手机键盘的字符集）。
2023-10-17 09:05:38
151
原创 代码随想录算法训练营第二十三天丨 回溯算法part01
回溯法也可以叫做回溯搜索法，它是一种搜索的方式。在二叉树系列中，不止一次提到了回溯，例如二叉树：以为使用了递归，其实还隐藏着回溯 (opens new window)。回溯是递归的副产品，只要有递归就会有回溯。以下讲解中，回溯函数也就是递归函数，指的都是一个函数。
2023-10-16 13:04:14
517
原创 代码随想录算法训练营第二十二天丨 二叉树part09
从图中可以看出需要重构二叉树，想想是不是本题就有点复杂了。其实不用重构那么复杂。在上图中我们发现节点0并不符合区间要求，那么将节点0的右孩子 节点2 直接赋给 节点3的左孩子就可以了（就是把节点0从二叉树中移除），如图：理解了最关键部分了我们再递归三部曲：这里我们为什么需要返回值呢？因为是要遍历整棵树，做修改，其实不需要返回值也可以，我们也可以完成修剪（其实就是从二叉树中移除节点）的操作。但是有返回值，更方便，可以通过递归函数的返回值来移除节点。这样的做法在二叉树：搜索树中的插入操作 (opens new
2023-10-15 10:03:27
386
原创 代码随想录算法训练营第二十一天丨 二叉树part08
如图，我们从根节点搜索，第一次遇到 cur节点是数值在[q, p]区间中，即 节点5，此时可以说明 q 和 p 一定分别存在于 节点 5的左子树，和右子树中。将删除节点（元素7）的左孩子放到删除节点（元素7）的右子树的最左面节点（元素8）的左孩子上，就是把5为根节点的子树移到了8的左孩子的位置。动画中的二叉搜索树中，删除元素7， 那么删除节点（元素7）的左孩子就是5，删除节点（元素7）的右子树的最左面节点是元素8。要删除的节点（元素7）的右孩子（元素9）为新的根节点。如图所示：p为节点6，q为节点9。
2023-10-13 16:22:25
166
原创 代码随想录算法训练营第二十天丨 二叉树part07
遇到在二叉搜索树上求什么最值，求差值之类的，都要思考一下二叉搜索树可是有序的，要利用好这一特点。
2023-10-12 12:58:53
85
原创 代码随想录算法训练营第天十九天丨 二叉树part06
因为是传入了两个树，那么就有两个树遍历的节点t1 和 t2，如果t1 == NULL 了，两个树合并就应该是 t2 了（如果t2也为NULL也无所谓，合并之后就是NULL）。如果 node.val > val，搜索左子树，如果node.val < val，就搜索右子树，最后如果都没有搜索到，就返回NULL。单层递归的逻辑就比较好写了，这里我们重复利用一下t1这个树，t1就是合并之后树的根节点（就是修改了原来树的结构）。递归函数的参数传入的就是根节点和要搜索的数值，返回的就是以这个搜索数值所在的节点。
2023-10-11 19:34:10
239
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人